过敏性疾病过敏原检测结果之影响因素的定量分析①

徐 亮， 朱家明*， 李 丹， 李 薇

(安徽财经大学a.统计与应用数学学院；b.金融学院，安徽 蚌埠，233000)

0 引 言

随着社会的高速发展，环境问题逐渐显现，而过敏性疾病也随着环境的恶化而愈发严重。十九大报告中提出‘要像对待生命一样对待生态环境’，保护好生态环境就是保护未来。生态环境不健康，例如PM2.5浓度增高，会导致各类过敏性疾病的发生，譬如皮肤过敏、呼吸道过敏、消化道过敏等。为了有效治理过敏性疾病，需对过敏性疾病的影响因素进行研究，并从根源上解决过敏性疾病。关于大气污染与人体健康之间的关系国内外学者已有大量的研究。近年来，大气环境因素对人体健康受到越来越多的关注。屈方[1]研究表明气象要素的波动 、空气质量因子等对呼吸系统疾病患病人数具有不同程度的影响。王成[2]硕认为气象要素变化引起的空气污染和各类过敏原的变化对疾病的发病率也会产生影响。马关培[3]等通过分析大气污染急性暴露对医院每日门诊人数的影响发现，PM2.5和NO2日均浓度的短期升高会导致呼吸系统疾病日就诊人数增加；根据Caivalho报道，一定浓度的NO2和SO2同时作用于人体时，会诱发支气管炎、哮喘和肺气肿的发病[4]。

1 数据假设

数据提出以下假设：(1)假设含有一个以上过敏原的人员记为过敏性疾病患者。(2)假设除附件中的17种过敏原之外的过敏原不产生影响。(3)假设患者可以正确的选择科室测试过敏原。⑷假设PM2.5可由各城市平均值表示。

2 基于Logistic二分类回归分析过敏性疾病与时间，季节，性别，年龄的关系

2.1 研究思路

为了研究过敏性疾病与上述因素之间的关系，首先对季节、性别、时间三个分类变量进行量化，得到进行处理的数据。通过量化，将过敏性患者记为“1”，非过敏性患者记为“0”。并引入虚拟变量，采用Logistic二分类回归进行分析，并且回归结果的参数在概率上解释问题。

2.2 研究方法

Logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，在医学、经济等各个领域都有着广泛的运用，是一种非线性的概率模型。利用EXCEL软件对原数据进行处理，并将处理后的数据导入进SPSS软件中进行Logistic回归，得到各个变量的系数。

2.3 结果分析

模型的参数求解结果见表1：

表1 参数估计结果表

根据上表结果，得到的Logistic模型(去除不显著变量)： 模型中表示性别，表示年龄，表示2013年和2014年对比，表示2013年和2015年对比，表示2013年和2016年对比，表示春季和夏季对比，表示春季和秋季对比。

2.3.1 结果

性别变量的参数估计结果为0.253，即男性的患病几率要比女性高出25.3%，患病风险是女性的1.288倍。年龄变量的估计结果为-0.018，即每增加一岁，患过敏性疾病的概率就会降低1.8%，患病风险降低为原来的0.982倍。时间方面，2014年的患过敏性疾病的概率比2013年降低了60.9%，患病的风险降低到原来的0.544倍， 2015年的患病概率比2013年高出47.9%%，风险提高到13年的1.614倍，资料显示，2015年我国的PM2.5的浓度出现了显著的提高，导致了患病概率和风险提高，同理16年的概率比13年低85.4%，风险降低至0.426倍。由于17年对于13年的参数估计量不显著，因此不予分析。季节方面，夏季患病的概率要高出春季约23.7%，风险提高至1.268倍；秋季的概率高出27.1%，风险也提高至1.311倍；冬季对于春季的参数估计量不显著，因此不予考虑。

3 基于多因素方差分析研究不同类型疾病的病人过敏原检测结果之间的差异

3.1 研究思路

根据数据中的科室对检测结果进行分类，将呼吸科分为一类并赋值为1；皮肤科分为第二类并赋值为2；耳鼻喉科分为第三类并赋值为3；儿科分为第四类并赋值为4；其他科目分为第五类并赋值为5。再利用方差分析的方法，分析每个类型疾病间的检测结果间的差异并得出结论。

3.2 研究方法

多因素方差分析就是每一种分类组合下，有若干个因变量观测值，在所有组观测值的方差相等的前提下，建立假设检验：原假设为各组观察值的均值都相等；备择假设则为各组观察值中至少存在两组之间不相等。再通过计算F统计量及显著性p值，判断结果是否显著并得出结论。

3.3 结果分析

3.3.1 只考虑疾病类型

将只考虑疾病类型的数据导入进SPSS软件中进行方差分析，得到的结果见表2：

表2 只考虑疾病类型的方差分析结果表

表中的编号依次表示过敏原树组合、普通豚草、艾蒿、尘螨组合等过敏原。由表中数据可以看出不同类型的过敏性疾病间差异存在于豚草、尘螨组合、猫毛、狗上皮、律草和虾这六个过敏原上。

3.3.2 同时考虑性别和疾病类型

将同时考虑性别和疾病类型的数据导入进SPSS软件中进行方差分析，得到的结果见表3：

表3 同时考虑性别和疾病类型的方差分析结果表

表中编号同上，在考虑到性别因素后，只有猫毛这一过敏原的p值小于0.1，即此时不同类型的过敏性疾病之间的差异主要存在于猫毛这一过敏原。

3.3.3 同时考虑季节和疾病类型

将同时考虑季节和疾病类型的数据导入进SPSS软件中进行方差分析，得到的结果见表4：

表4 同时考虑季节和疾病类型的方差分析结果表

表中编号同上，在考虑到季节因素后，不同类型的过敏性疾病之间的差异主要存在于普通豚草、猫毛、霉菌组合、律草、鸡蛋白、牛奶、花生这七种过敏原上。

3.3.4 同时考虑性别、季节和疾病类型

将同时考虑性别、季节和疾病类型的数据导入进SPSS软件中进行方差分析，得到的结果见表5：

表5 同时考虑性别、季节和疾病类型的方差分析结果表

表中编号同上，在同时考虑到性别和季节两个因素后，差异存在于树组合和花生两个过敏原上。

4 基于统计分析的过敏原结果变动趋势模型

4.1 研究思路

结合医学依据，将树组合、普通豚草、艾蒿、律草分为植物类；霉菌组合单独分为霉菌类；猫毛、狗上皮、蟑螂分为动物皮毛屑；蟹、虾、海鱼组合、黄豆、花生、牛奶、鸡蛋白分为食物类；屋尘、尘螨组合分为尘螨类。并进行两类讨论：分类讨论和单个类型与多个类型讨论。在根据不同的讨论，计算阳性率并绘制趋势图。再利用卡方检验，检验其统计意义。

4.2 研究方法

过敏原检测主要是对血清中食物或吸入性等过敏原的特异性lgE进行的检查。数值0表示阴性，为不过敏；数值1表示阳性，为过敏，数值1及以上均表现为过敏程度的高低。呈现阳性结果的百分率叫做阳性率。分别统计单个过敏原的检测阳性率，以任一个lgE阳性计数为阳性病例数，一份标本多项过敏原lgE阳性时只计数一个阳性病例。利用SPSS软件进行卡方检验，检验统计学意义。

4.3 结果分析

4.3.1 5年间对五类过敏原过敏的阳性比例变化

按照4.1中的方法对过敏原进行分类并计算五类过敏原的阳性率，将计算后的数据导入进MATLAB软件中进行绘图，得到五类过敏原的阳性率的变化趋势如图1所示：

图1 五类过敏原过敏的阳性比例变化趋势图

由图得五年间尘螨类和食物类过敏原阳性比例较高，在2013至2015年间呈上升趋势，2015年后开始下降，且尘螨类过敏原阳性比例开始大于食物类过敏原。动物皮毛类、植物类过敏原阳性比例仅次于尘螨类过敏原，霉菌类始终保持在较低水平，且都在2015年存在一个转折点。

4.3.2 5年间单个类型过敏原以及具有多个类型过敏原的变动

分别计算只有单个类型过敏原呈阳性的比例和同时具有两种及两种以上呈阳性的比例，并将计算得到的数据导入进MATLAB软件中进行绘图，得到单个类型和多个类型的阳性率趋势图如图2所示：

图2 5年间单个类型过敏原以及具有多个类型过敏原的变动

5年间对具有单种类型过敏原的阳性比例保持在40%，左右，2015年有所升高，达到45.7%，而对具有两种及两种以上过敏原的阳性过敏比例在2015年达到最高，且均保持在30%左右，较为稳定。

5 基于典型相关分析分析PM2.5浓度和过敏性疾病的相关性

5.1 研究思路

利用2013至2017每年全国366个城市PM2.5浓度平均值，将五类过敏原检测结果与平均PM2.5浓度值进行回归和典型相关分析，进而得到他们之间的相关性。

5.2 研究方法

典型相关分析是研究变量之间相关关系的一种统计分析方法，用来研究两组随机变量之间的相关性。分别构造每组变量线性组合，将两组变量之间的相关性换为两个变量之间的相关性进行研究。

5.3 结果分析

计算得到的五类过敏原检测结果和PM2.5浓度间的相关系数如表6：

表6五类过敏原检测结果和PM2.5浓度间的相关系数表

类别尘螨类食物动物皮毛霉菌植物相关系数0.73080.69980.81320.72990.6059

相关系数均大于0.5，故各类过敏原与环境指标PM2.5浓度有着一定的相关性。且呈正相关，则平均PM2.5浓度浓度越大，过敏原结果的阳性率就越高。五类过敏原和PM2.5浓度的回归结果如下：

y4=0.0048-0.1767,y5=0.0105x-0.3258

其中y1表示尘螨类，y2表示食物类，y3表示动物皮毛类，y4表示霉菌类，y5表示植物类。由回归方程的斜率可以看出，PM2.5平均浓度每增加一单位，尘螨类、食物类、植物类、动物皮毛类、霉菌类过敏原阳性率分别增加0.0357、0.0210、0.0105、0.0015、0.0048将随之增加0.0357单位。受环境指标PM2.5浓度影响最大的为尘螨类过敏原，最小的为霉菌类过敏原。

6 结 语

利用Logistic二分类回归、典型相关分析等方法，对过敏性疾病的过敏原检测结果的影响因素进行定量分析。随着社会的发展，能产生严重过敏性疾病的过敏原也越来越多，并存在多种过敏原的交叉作用。一些过敏原本身并不直接导致疾病的产生，而是其携带的有害气体诱发了过敏性疾病，这些因素的存在都会使得模型存在误差，因此为了提高模型的准确性，认为应该：利用更准确地判定是否患过敏性疾病的依据；对过敏原进行筛选；结合更多大气污染的因素。利用了软件进行模型的求解，并对模型进行灵敏度分析，得到的结果显示模型具有较好的灵敏度，因此模型的结果可信度较高。Logistic二分类回归利用概率对影响因素做出解释，结果较为严谨且实用。